摘要 | 第5-6页 |
abstract | 第6页 |
第1章 绪论 | 第10-18页 |
1.1 研究背景、目的及意义 | 第10-11页 |
1.1.1 研究背景 | 第10-11页 |
1.1.2 研究目的及意义 | 第11页 |
1.2 国内外研究现状 | 第11-15页 |
1.2.1 国外研究现状 | 第11-13页 |
1.2.2 国内研究现状 | 第13-14页 |
1.2.3 研究现状综述 | 第14-15页 |
1.3 论文的研究思路、内容和方法 | 第15-16页 |
1.3.1 论文的研究思路 | 第15-16页 |
1.3.2 论文的研究内容 | 第16页 |
1.3.3 论文的研究方法 | 第16页 |
1.4 论文创新之处 | 第16-18页 |
第2章 基于文本数据挖掘技术的用户需求分析框架研究 | 第18-28页 |
2.1 用户需求分析理论研究 | 第18-19页 |
2.1.1 用户需求来源及特征 | 第18页 |
2.1.2 用户需求分析的一般步骤 | 第18-19页 |
2.2 用户需求分析常用方法及比较 | 第19-22页 |
2.2.1 用户需求分析常用方法简介 | 第19-20页 |
2.2.2 用户需求分析常用方法存在的问题 | 第20-21页 |
2.2.3 文本数据挖掘技术的优势 | 第21-22页 |
2.3 基于文本数据挖掘技术的用户需求分析框架构建 | 第22-26页 |
2.3.1 文本数据挖掘的一般流程 | 第22-23页 |
2.3.2 文本数据挖掘技术及比较 | 第23-24页 |
2.3.3 基于文本数据挖掘技术的用户需求分析层次结构模型 | 第24-25页 |
2.3.4 基于文本数据挖掘技术的双螺旋型用户需求分析框架 | 第25-26页 |
2.4 本章小结 | 第26-28页 |
第3章 基于文本数据挖掘技术的用户需求分析实现过程 | 第28-40页 |
3.1 基于主题型网络爬虫技术的用户需求获取过程 | 第28-31页 |
3.1.1 主题型网络爬虫技术原理 | 第28-29页 |
3.1.2 面向用户在线评论的Web用户需求信息源 | 第29-30页 |
3.1.3 基于主题型网络爬虫的用户在线评论采集 | 第30-31页 |
3.1.4 基于正则表达式的用户在线有效评论抽取 | 第31页 |
3.2 基于支持向量机技术的用户需求识别过程 | 第31-35页 |
3.2.1 支持向量机技术原理 | 第31-32页 |
3.2.2 基于中文词法分析系统的用户在线评论分词 | 第32-33页 |
3.2.3 基于LIBSVM工具的用户在线评论清理 | 第33-34页 |
3.2.4 用户在线评论词频统计与处理 | 第34-35页 |
3.3 基于关键词抽取技术的用户需求表达过程 | 第35-38页 |
3.3.1 基于词频统计的用户在线评论关键词抽取 | 第35-36页 |
3.3.2 用户需求向产品功能特征结构的映射 | 第36-37页 |
3.3.3 产品功能特征的优化与决策 | 第37-38页 |
3.4 本章小结 | 第38-40页 |
第4章 基于在线评论挖掘的华为Mate9手机用户需求分析 | 第40-54页 |
4.1 华为Mate9手机产品分析及用户群体研究 | 第40-44页 |
4.1.1 华为Mate9手机产品介绍及发展战略 | 第40-41页 |
4.1.2 华为Mate9手机产品功能特征分析 | 第41-42页 |
4.1.3 华为Mate9手机用户群体研究 | 第42-44页 |
4.2 基于文本数据挖掘技术的华为Mate9手机用户需求分析实现过程 | 第44-50页 |
4.2.1 基于网络爬虫技术的Mate9手机用户在线评论采集与存储 | 第44-47页 |
4.2.2 基于支持向量机技术的华为Mate9手机产品用户在线评论数据处理 | 第47-48页 |
4.2.3 基于关键词抽取技术的华为Mate9手机产品用户在线评论关键词抽取 | 第48-49页 |
4.2.4 基于结构映射模型的华为Mate9手机产品用户在线评论需求转化 | 第49-50页 |
4.3 基于用户需求分析结果的Mate9手机功能改进建议 | 第50-52页 |
4.4 本章小结 | 第52-54页 |
结论 | 第54-56页 |
参考文献 | 第56-60页 |
致谢 | 第60-62页 |
攻读硕士学位期间发表的论文和取得的科研成果 | 第62-64页 |
附录A | 第64-68页 |
附录B | 第68-69页 |